基于多特征融合的G蛋白偶联特异性预测方法研究

G蛋白偶联受体（GPCR）是人体内重要的细胞表面受体，在细胞信号转导过程中发挥重要作用。GPCR与G蛋白之间的偶联特异性研究是目前GPCR研究的难点，限制了对其功能的深入研究。针对目前预测方法存在的特征选择可靠性与生物学可解释性较差等问题，本项目拟在前期工作的基础上，以多种GPCR和G蛋白相关数据为研究对象，综合运用模式识别、统计学等研究方法，对"偶联区域"中的序列、结构和功能等多层次信息进行特征统计筛选、提取和融合研究。并在此基础上，发展基于多特征信息融合的G蛋白偶联特异性预测方法；研制准确性高的G蛋白偶联特异性预测系统；构建候选偶联受体信息数据库，为国内相关研究提供服务。本项目的研究不仅有助于阐明细胞信号转导的分子机制，而且可为新药物靶点的发现提供科学依据。

G蛋白偶联受体（GPCR）与G蛋白之间的偶联特异性机制是目前GPCR功能研究的热点与难点。本项目在合理地利用生物学先验信息基础上，发展了基于多特征信息融合的G蛋白偶联特异性预测方法。取得的主要成果包括：（1）系统地分析了不同偶联区域、不同特征提取方法及不同预测模型等多方面对偶联特异性的影响。（2）提出了一种新的基于“偶联区域”优化的预测方法，该方法在新的可靠数据集测试中得到了有效验证。（3）研制了准确性高的G蛋白偶联特异性预测软件与G蛋白受体相关信息数据库。（4）深入探讨了多偶联形成的机制。本项目研究成果特别是多偶联预测的研究结果可为揭示GPCR介导的信号转导通路的分子机制提供新的理论依据。